不要把HTML，头部和身体自动标记，beautifulsoup [英] Don't put html, head and body tags automatically, beautifulsoup
问题描述
使用beautifulsoup与html5lib，它把HTML，头部和身体标记自动：
BeautifulSoup（'＆LT; H1＆GT;＆FOO LT; / H1＆GT;'，'html5lib'）＃=＆GT; ＆LT; HTML＆GT;＆LT; HEAD＆GT;＆LT; /头＆GT;＆LT;身体GT;＆LT; H1＆GT; FOO＆LT; / H1＆GT;＆LT; /身体GT;＆LT; / HTML＆GT;
在那里，我可以设置，关闭此行为的任何选项？
在[35]：进口BS4为BS在[36]：bs.BeautifulSoup（'＆LT; H1＆GT;＆FOO LT; / H1＆GT;'，html.parser）
出[36]：其中，H1＆GT;＆FOO LT; / H1＆GT;
这分析与Python的内置HTML解析器中的HTML。
引用文档：
不像html5lib，这种分析器没有试图创造一个良好的成形
身体GT;通过增加一个＆LT HTML文档标记。 lxml的不同，它甚至不
懒得添加＆LT; HTML方式＆gt;标签另外，你可以使用
html5lib解析器和后＆LT只需选择元素;身体GT;：在[61]：汤= bs.BeautifulSoup（'＆LT; H1＆GT;＆FOO LT; / H1＆GT;'，'html5lib'）在[62]：soup.body.next
出[62]：其中，H1＆GT;＆FOO LT; / H1＆GT;using beautifulsoup with html5lib, it puts the html, head and body tags automatically:
BeautifulSoup('<h1>FOO</h1>', 'html5lib') # => <html><head></head><body><h1>FOO</h1></body></html>is there any option that I can set, turn off this behavior ?
解决方案In [35]: import bs4 as bs In [36]: bs.BeautifulSoup('<h1>FOO</h1>', "html.parser") Out[36]: <h1>FOO</h1>This parses the HTML with Python's builtin HTML parser. Quoting the docs:
Unlike html5lib, this parser makes no attempt to create a well-formed HTML document by adding a
<body>tag. Unlike lxml, it doesn’t even bother to add an<html>tag.
Alternatively, you could use the
html5libparser and just select the element after<body>:In [61]: soup = bs.BeautifulSoup('<h1>FOO</h1>', 'html5lib') In [62]: soup.body.next Out[62]: <h1>FOO</h1>
这篇关于不要把HTML，头部和身体自动标记，beautifulsoup的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
